Pengenalan Kualitas Wortel melalui Teknologi Citra Digital

Wortel memiliki mutu yang dapat dikenali melalui bentuk, warna, ukuran, tekstur, dan kondisi permukaannya. Perbedaan karakteristik tersebut menghasilkan tampilan yang beragam, mulai dari wortel broken, bruise, crack, furcate, malformation, hingga normal. Teknologi citra digital memberikan cara untuk mengenali perbedaan tersebut melalui pola visual yang terdapat pada gambar. Pemanfaatan machine learning, deep learning, dan Convolutional Neural Network (CNN) turut mendukung proses pengenalan citra, terutama ketika jumlah dan variasi gambar semakin banyak. Konsep-konsep tersebut disertai penjelasan mengenai karakteristik wortel, mutu produk, klasifikasi citra, serta proses pengenalan pola menggunakan komputer.
MobileNetV2 digunakan untuk memperoleh fitur dari citra wortel, sedangkan Support Vector Machine (SVM) digunakan untuk mengelompokkan citra berdasarkan kelasnya. Proses klasifikasi mencakup pendekatan One-vs-One (OvO) dan One-vs-Rest (OvR), dengan penggunaan kernel RBF, polinomial, dan linear. Kinerja setiap proses dapat dilihat melalui accuracy, precision, recall, F1-score, waktu pelatihan, waktu pengujian, confusion matrix, dan classification report. Materi tersebut memperlihatkan tahapan pengolahan citra wortel sejak pengenalan karakteristik visual, pengambilan fitur, hingga penentuan kelas kualitas. Susunan materi ini menempatkan teknologi citra digital sebagai salah satu cara untuk membantu mengenali kualitas wortel berdasarkan kondisi fisiknya.